- •Статистические методы управления качеством
- •Введение
- •Статистическая грамотность является неотъемлемой составной частью профессиональной подготовки каждого специалиста, имеющего дело с
- •Внастоящее время от работника, занятого в любой области науки, техники, производства, бизнеса и
- •Методы экспертных оценок
- •МОЗГОВАЯ АТАКА
- •МОЗГОВАЯ АТАКА
- •Методы мозговой атаки
- •Методы мозговой атаки
- •Причинно-следственная диаграмма (диаграмма Исикавы)
- •Причинно-следственная диаграмма (диаграмма Исикавы)
- •Пример практического применения диаграммы Исикавы
- •Ранжирование данных
- •Диаграмма Парето
- •Диаграмма Парето
- •Формализация априорной информации
- •Формализация априорной информации
- •Формализация априорной информации
- •Формализация априорной информации
- •Формализация априорной информации
- •Методы обработки выборок
- •Любая группа однородных данных, собранных при измерении параметров – это статистическая совокупность или
- •Б) Характеристики изменчивости (рассеяния) данных в группе:
- •Обработка результатов измерений
- •Обработка результатов измерений
- •Обработка результатов измерений
- •Обработка результатов измерений
- •Обработка результатов измерений
- •Расслоение данных
- •Расслоение данных
- •Расслоение данных
- •Сравнение выборок
- •Сравнение выборок
- •Сравнение выборок
- •Сравнение выборок
- •Гистограммы
- •Гистограммы (виды и расслоение)
- •Гистограммы (сравнение с допуском)
- •Гистограммы
- •Гистограммы
- •Временной ряд
- •Временной ряд
- •Временной ряд
- •Временной ряд
- •Временной ряд
- •Временной ряд
- •Временной ряд
- •Контрольные карты
- •Контрольные карты
- •Контрольные карты
- •Управление технологическим процессом
- •Управление технологическим процессом
- •Управление технологическим процессом
- •Управление технологическим процессом
- •Управление технологическим процессом
- •Корреляционно – регрессионный анализ
- •Диаграммы рассеяния
- •Диаграммы рассеяния
- •Диаграммы рассеяния
- •Корреляция
- •Корреляция
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Регрессионный анализ
- •Заключение
- •Для управления качеством продукции на производстве специалисты привлекают всё более и более новые
Формализация априорной информации
Если имеются «связанные» ранги, то коэффициент конкордации определяется соотношением
|
|
|
W |
|
|
|
|
|
S |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
1 |
m2 (n3 n) m T |
|||||||
|
|
|
|
|
||||||||
|
|
|
|
12 |
|
|
|
|
i |
|||
|
|
|
|
|
|
|
|
|
|
|||
где |
Т i |
= 1 / 12 Σ (t 3i – t j) , |
t j – j-е число |
|||||||||
одинаковых рангов в i-м ранжировании. |
||||||||||||
|
Например, если некоторый i-й эксперт указал |
|||||||||||
ранги |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
4,5 |
4,5 |
4,5 |
4,5 |
8 |
8 |
8 |
10 |
, |
|
то для него Т i = 1 / 12 ( 4 3 – 4) + (3 3 – 3 ) = 7.
|
Суммы Т i подсчитываются для всех тех |
|
экспертов, у которых оказались «связанные» ранги. |
Методы обработки выборок
Любая группа однородных данных, собранных при измерении параметров – это статистическая совокупность или более
кратко: выборка, т.е. часть генеральной совокупности.
А) Характеристики положения центра группирования данных:
Выборочное среднее арифметическое
данных, делённая на их число:
Х nХ i
Мода – это то значение, которое встречается в группе данных наиболее часто. Например, из этого ряда чисел 6, 7, 3, 5, 8, 4, 5, 7, 5
модой будет число £ = 5.
Медиана – это срединное значение данных упорядоченных (или ранжированных) по возрастанию или по убыванию. Например, для
этого ряда чисел 2, 2, 3, 3, 5, 7, 7, 8, 8, 8, 9 медианой будет число Ме = 7.
Б) Характеристики изменчивости (рассеяния) данных в группе:
Размах: R X max X min
Например, из ряда чисел 5, 3, 7, 9, 8, 5, 4, 5, 8 R = 9 – 3 = 6
Выборочная дисперсия – σ – равна сумме квадратов отклонений от среднего, делённой на объём выборки:
|
|
(Х i |
|
|
) 2 |
|
|
||||
|
|
X |
|
||||||||
|
|
n |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
Среднеквадратичное (или стандартное) отклонение – S : |
|||||||||||
S |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Коэффициент вариации – ν : |
|
v |
|
S |
|
100 , % |
|||||
|
|
|
|
||||||||
|
X |
||||||||||
|
|
|
|
|
|
|
|
|
|
Обработка результатов измерений
Но часто систематические погрешности не исключают из результата измерения, а рассчитывают, отдельно их указывая. В качестве границ неисключённой систематической погрешности принимают, например, пределы допускаемых основных и дополнительных погрешностей средств измерений. В общем случае (при равномерном распределении) неисключаемые систематические погрешности вычисляют по формуле
m
k 2
i 1 i ,
где - i- граница i-ой неисключённой систематической погрешности; k – коэффициент, определяемой доверительной вероятностью. k =1.1 при P = 0.95 и k = 1.4 при P = 0.99.
Обработка результатов измерений
Случайные погрешности обусловлены большим числом отдельных причин, не поддающихся точному учёту и действующих в каждом отдельном опыте различным образом. Случайные ошибки во всех случаях не могут быть исключены из результата измерения. Величину случайных погрешностей определяют принципиальная схема эксперимента, отклонение реальных условий опыта от заданных и, в значительной мере, субъективные особенности экспериментатора. Случайные погрешности подчиняются законам вероятности, в связи с чем многократное повторение одного и того же измерения уменьшает их влияние.
Доверительные границы (без учёта знака) случайной погрешности результата измерения рассчитывают [12] по
формуле: |
t S ( А) |
|
Обработка результатов измерений
В вышеприведённой формуле: t - коэффициент Стьюдента, который в зависимости от доверительной вероятности P и числа результатов наблюдений n находят по таблице (например, при P = 0.95 если n = 5, то t = 2.571; если n = 16, то t = 2.120; если n = 30, то t = 2.042; при большем числе n, чем 30, независимо от самого числа n коэффициент t= 1.960); величина S () называется среднеквадратичным отклонением результата измерения и определяется по формуле
|
|
n |
|
i |
~ 2 |
|
|
|
|
|
|||
S ( А) |
i 1 |
|
|
|
|
|
|
n 1 |
|
||||
|
|
|
|
|
~
где i - i-ый результат наблюдения; - результат измерения (или среднеарифметическое результатов наблюдений); n - число результатов измерений. Следует иметь в виду, что пользоваться этой формулой можно только в случае нормального распределения результатов наблюдений.
Обработка результатов измерений
Точность измерения характеризуется отклонением среднего значения серии измерений от истинной величины аналитического сигнала. Нетрудно заметить, что это отклонение определяется систематической и случайной погрешностями измерения.
Представляют результаты измерений по стандарту ГОСТ 8.011.
При симметричной доверительной погрешности~ результаты измерений представляют по форме: A , P. При этом числовое значение результата измерений должно оканчиваться цифрой того же разряда, что и значение погрешности .
При отсутствии данных о виде функций распределений составляющих погрешности результата и необходимости дальнейшей обработки результатов или анализа погрешностей, результаты измерений представляют в форме
~ |
~ |
, и Р. |
A S (A), n, |
Обработка результатов измерений
При испытаниях в технике (особенно в разрушающих методах измерений) систематической
погрешностью часто пренебрегают,~и результат
A S ,
S 100 A A
V A %, max и min .
Доверительная вероятность принимается часто равной P = 0.95 или P = 0.9.
Оценки погрешностей при обработке результатов измерений могут выражаться в абсолютной и относительной формах.
Расслоение данных
Этот приём позволяет какой-либо массив (совокупность) данных разделить, при необходимости, на отдельные группы по видам факторов, если известно, что каждое показание в массиве зависит от нескольких факторов.
Расслоение целесообразно использовать для варианта, когда одноименные изделия производятся на нескольких, например, резных станках, и всегда при этом существует некоторая разница в характеристиках работы этих станков (разные технические данные станков, разные люди на станках, разное время работы и др.). Эти факторы являются причиной разброса характеристик качества производимых изделий.